第2章 可靠性设计的数学基础.pptVIP

2.1.4 概率 概率论研究随机现象的统计特性，应用领域包括电话呼叫、质量控制、系统故障、机遇游戏、统计力学等。 在许多领域中，当观测次数增加时，某些量的平均会趋于一个常数。即使平均是对实验前特定的任何子序列进行，其值仍保持不变。 ?　例如，在投掷硬币的实验里，正面出现的比例接近0.5或其他某个常数，如果每投掷四次取第四次计数，仍然会得到相同的平均值。 在概率论中，用事件的概率来描述和预测这些平均量。概率是表示事件发生可能性大小的数量指标，通常用频率近似表示。或者说，事件A的概率是赋予这一事件的一个数 P(A)，可以解释如下。 3　概率的乘法定理 相互独立的两个事件A和B，同时发生的概率为： （2-16） 相关的两个事件A和B同时发生的概率为： 　　　　　　　　　　　　　　　　（2-17） 4. 条件概率 在事件A发生的条件下，事件B发生的概率，称为事件B发生的条件概率。记为：P（B∣A）。 （2-18） 5　全概率公式 如果事件组A1,A2,…,An满足 （1）　　　　　　，i≠j，且P(Ai)0，i=1，2，…，n，即互不相容； （2）　　　　　　，即全部事件为必然事件； 则称该事件组为完备事件组。 全概率公式为，对任一事件B，有： （2-19） 6　贝叶斯公式 若A1,A2,…,An为一完备事件组，B为任一事件，且P(B)0，则有： （2-20） 2.2.1　随机变量 定义：变量的取值与随机试验的结果相关。 特点： 1） 试验之前知道可能取值的范围，但未知精确值； 2） 取值有一定的概率。 分类：按取值情况分两类： 离散型随机变量：全部取值为有限个或可数无限个。 连续型随机变量：在某区间内任意取值。 1.离散型随机变量的概率分布 概率分布表：随机变量 X x1 x2 x3 xi　　… 　　概率 P p1 p2 p3 pi　… 其中 0≤pi≤1， 且 数学表达式 pi=P(X=xi) (i=1,2,…) (2-21) 2.连续型随机变量的概率分布 f(x)－概率密度函数，简称分布密度 累积分布函数，简称分布函数 有如下关系 2.2.2随机变量分布的数字特征 1　集中趋势 (1)均值：分布的平均值。是各取值以其概率为加权系数的加权算术平均值。 离散型： E(x)—随机变量x的数学期望 连续型： (2)中位数：F(x)=0.5时所对应的x值。记为x0.5。 (3)众数：频率f(x)为最大时随机变量x的值。 图2-1 随机变量分布的集中趋势及参数 2.分散性 (1)方差：描述分散程度，是随机变量（各组代表值）与均值差的均方值。 离散型： 连续型： (2)标准差：方差的算术平方根。 (3)变异系数：标准差与均值之比。 (4)极差：观测值中最大值与最小值之差，即 图2-2 随机变量分布的分散性 2.3　数理统计的基本概念 2.3.1 母体（总体）与样本（子样） 前面讨论过可靠性中的一些基本概念、寿命分布以及各种可靠性指标。 在实际中， 如何来确定一种产品的寿命分布? 若知道寿命分布类型，分布中所含的未知参数如何估计? 一种产品的可靠性指标又如何估计? 这些问题都是可靠性中经常遇到的问题，大多可以用数理统计中参数估计和假设检验加以解决。 2.3　数理统计的基本概念 2.3.1 母体（总体）与样本（子样） 要确定产品的失效寿命分布，估计分布中的未知参数和各种可靠性指标，需要做大量的试验或观察。但在实际中允许我们做的试验或观察总是有限的。 应用概率论方法，对局部与整体之间的内在联系进行分析和推理，能够得到令人满意的结果。 数理统计学以概率论为理论基础，根据试验或观察得到的有限数据，对研究对象的统计规律性做出种种合理的推断。 在数理统计中，母体是与研究的问题有关的对象的全体，组成母体的每个基本元素称为样本。例如，为研究某工厂所生产的一批晶体管的质量，我们就以该批晶体管为母体，其中每一个晶体管就是样本。 在实际中，我们关心的是产品的某个数量指标。每个个体都是自己的指标值。假如我们的研究仅限于此，那么指标值就可以看作是样本，所有指标值就组成一个母体。 根据不同指标值的出现的可能性的大小可以构成一个概率分布，这个分布是这个母体的统计规律性。这样一来，我们就把母体与一个随机变量等同起来。这个随机变量的取值就是母体中一切可能的指标值。这个随机变量的取值的统计规律性就是母体的分布。 例如，为了研究某厂所生产的一批晶体管的不合格品率，我们关心的是晶体管是否是不合格品。假如我们规定，合格的晶体管对应“0”，不合格的晶体管对应“1”，那么母体就是由一些“0”与“1”组成的。假如把母体中